人工智慧、機器學習與深度學習介紹。

1. 機器學習&
⼈⼯智慧的創新⾰命
Machine Learning & Artificial Intelligence

4. 什麼是⼈⼯智慧?
(Artificial Intelligence, A.I.)

7. 先別提⼈⼯智慧了，
你有發現…

11. ⼈⼯智慧?
機器學習?
深度學習?

12. 什麼算是智慧?

13. 強⼈⼯智慧(Strong A.I.) v.s. 應⽤⼈⼯智慧(Weak A.I.)
什麼算是智慧?

14. 圖靈測試 (Turing Test)

15. ⼈⼯智慧(Artificial Intelligence)
1950年代電腦發明以來便已興起，
關注如何以電腦解決問題。

16. 通⽤問題解決機(General Problem Solver)
̶1959, Allen Newell & Herbert Simon

17. 硬體儲存與效能不足 無法回答人類不知道的問題

18. 硬體儲存與效能不足
早期⼈⼯智慧只能解⼀些代數題和數學證明，難以在實務上有所應⽤
無法回答人類不知道的問題

19. Winter is coming... 史上第⼀個A.I.寒冬

24. 機器學習(Machine Learning)
1980年代逐漸興起的⼈⼯智慧⼀個分⽀，
讓電腦能夠⾃⾏從資料中學會⼀套技能。

25. 2010 2012 2016
那些年我們紅過的科技Buzz Word
雲端運算 IoT/⼤數據 機器學習

26. 機器學習無所不在。

27. 深度學習(Deep Learning)
2012年⽅興未艾的機器學習⼀個分⽀，
⼜稱深度神經網路(Deep Neural Network)。

28. 2013年7⽉，Google收購了⼀家只有三⼈的公司「DNNresearch」
⼀切都是為了深度學習之⽗——Geoffrey Hinton。

29. ⽀持向量機(SVM):
80-90年代最受歡迎的機器學習⽅法

30. ⽀持向量機(SVM):
80-90年代最受歡迎的機器學習⽅法

31. ⽀持向量機(SVM):
80-90年代最受歡迎的機器學習⽅法

32. ⽀持向量機(SVM):
80-90年代最受歡迎的機器學習⽅法

33. 神經網路(Neural Network):
模仿⽣物⼤腦的計算模型

34. 神經網路(Neural Network):
模仿⽣物⼤腦的計算模型

35. 神經網路(Neural Network):
模仿⽣物⼤腦的計算模型

36. 神經網路(Neural Network):
模仿⽣物⼤腦的計算模型

37. 神經網路(Neural Network):
模仿⽣物⼤腦的計算模型

38. 神經網路(Neural Network):
模仿⽣物⼤腦的計算模型

39. 神經網路(Neural Network):
模仿⽣物⼤腦的計算模型

40. SVM理論上更加嚴謹完備，上⼿簡單，
得到主流學術界的追捧。
1980年代的學術界共識是：
「多層神經網路是個沒有前途的死胡同 」。
直到2006年，Hinton教授發表了⼀篇論⽂，
以受限玻爾茲曼機(RBM)成功訓練神經網路。
Neural Network的反撲̶
以Deep Learning強勢回歸

41. 但真正的轉折點，還是要到2012年
那年10⽉，機器學習界發⽣了⼀項⼤事。

43. 李飛飛(Fei-Fei Li)史丹佛⼤學頂尖機器學習研究學者

45. 2012年10⽉，
Hinton 的兩個學⽣使⽤NVIDIA GPU
拿下ImageNet冠軍。
針對訓練神經網路，利⽤ GPU運算
要較使⽤ CPU 的速度快上10到20倍。

46. 2012年10⽉，
Hinton 的兩個學⽣使⽤NVIDIA GPU
拿下ImageNet冠軍。
針對訓練神經網路，利⽤ GPU運算
要較使⽤ CPU 的速度快上10到20倍。
2015年冠軍Microsoft以3.5%的錯誤率
贏得冠軍，超越⼈類5%。

47. 說了這麼多
什麼Machine Learning, Deep Learning
不也是只有⼤公司玩得起。

49. 20年前架網站，用Perl、C++寫CGI，
須瞭解TCP / IP，Solaris服務器，Oracle數據庫。
現在用Ruby on Rails、Bootstrap等框架就能兜出來。
機器學習在目前已經是一個封裝地很好的黑盒子，
透過Tensorflow、Caffe等Toolkit，調一下 API
就能神奇地完成某個任務。
ML界
Ruby on Rails

50. Makoto Koike以Deep Learning分類農場⼩⿈⽠

52. 機器學習&
⼈⼯智慧的創新⾰命
Machine Learning & Artificial Intelligence
Thanks for your listening.

53. Q＆A與⼯商時間
我 的
網 誌 ⽂ 章
fb粉絲團搜尋 StockFeel股感，來⾃⽣活
與 優拓資訊Yoctol Info按讚喲！